雷达对于非合作目标的探测，存在目标微小与速度未知两大困难，而相干积累的方法需要准确探测目标速度，并进行速度补偿，实际应用过程中效果受限。针对此问题提出了一种调频步进编码波形设计方法，可以在速度未知情况下脉间积累，同时在准确测量速度后宽带合成。首先研究线性调频子脉冲的距离速度耦合特性，通过波形设计抵消脉间目标运动成像位置变化；然后研究调频步进编码波形的宽带合成技术，使所得的高分辨一维距离像无距离混叠。最后，数值仿真实验验证了所提出波形的优势与应用价值。
调频步进波形 距离速度耦合 宽带合成信号 高分辨距离像 stepped frequency chirp waveform range velocity coupling synthetic wideband signal high resolution range profile 太赫兹科学与电子信息学报
2022, 20(8): 817
1 中国西南电子技术研究所，四川 成都 610036
2 武汉大学 电子信息学院，湖北 武汉 430072
为快速获取超宽带电磁脉冲激励下雷达目标在时域上的电磁响应，提出一种基于属性散射中心正向建模的方法用于目标时域回波仿真。从目标几何模型出发，利用射线追踪、分集技术对空间中所有射线进行标记与归类，分离并定量表征目标的强散射源。基于属性散射中心模型，正向确定模型参数，构建出目标属性散射中心模型，在选定的辐射源激励下进行仿真计算，快速获取目标时域回波信号。以典型目标简化坦克为例，选取不同形式的超宽带电磁脉冲信号作为辐射源，基于正向建模方法构建简化坦克的散射中心模型，快速获取给定电磁脉冲激励下的雷达回波信号，并与利用高频仿真方法得到的一维距离像对比，结果具有较好的一致性，从而验证了利用散射中心模型快速进行不同辐射源激励下回波仿真的有效性。
散射中心模型 超宽带电磁脉冲 高分辨力距离像 回波仿真 正向建模 scattering center model UWB electromagnetic pulse High Resolution Range Profile echo simulation forward modeling 太赫兹科学与电子信息学报
2022, 20(2): 170
由于受激光脉冲宽度的限制，传统激光雷达无法实现几十厘米的浅水层测量。设计了一个双Gm-APD光子计数偏振激光雷达系统，采用宽脉冲获取薄浅水层的高精度距离像。浅水层的表面光滑，能够保偏；底面粗糙，将发生退偏。根据该偏振现象，通过发射水平线偏振光，接收系统中采用一个偏振分光棱镜将前后表面信号光分离，然后分别被两个Gm-APD探测。该系统不受信号光的脉冲宽度限制，并充分利用Gm-APD的死时间机制，针对超薄浅水层实现三维深度测量。利用基于穆勒矩阵和斯托克斯参量表示的偏振传输原理，理论分析了双Gm-APD偏振激光雷达的分光原理。采用信号复原质心算法抑制距离漂移误差获取高精度距离信息。对于深度从4.5cm变化到8 cm渐变的薄浅水层，底面覆盖了黑、白沙子，探测距离为5 m，在实验上采用6 ns激光脉冲获取了薄浅水层的高精度距离像，测距精度为0.8 cm，有效验证了方案的可行性。该方案能够为机载海洋测绘激光雷达的浅水层测量提供一定借鉴。
激光雷达 光子计数 距离像 偏振 距离漂移误差 lidar photon counting depth image polarization range walk error 红外与激光工程
2021, 50(3): 20200452
1 哈尔滨工业大学 光电子技术研究所 可调谐激光技术国家级重点实验室，黑龙江 哈尔滨 150001
2 复杂系统控制与智能协同技术重点实验室，北京 100074
针对目前激光雷达三维距离像分辨率低的问题，使用成本低且有效的图像处理方法获得高分辨三维距离像。首先，利用多传感器系统的特点，将低分辨率Gm-APD激光雷达与高分辨率ICCD激光雷达相结合，获得配准后的低分辨距离像和高分辨强度像，然后，提出了一种改进的图像引导算法实现低分辨图像超分辨重构。该方法使用马尔科夫随机场模型，定义了全局能量函数，该函数将距离保真项和正则化项相结合，通过求解优化模型获得高分辨三维距离像。通过对仿真图像和激光雷达距离像的超分辨重构处理，以主观视觉效果和图像质量客观评价指标来验证此方法。实验结果表明，该方法提高了距离像的分辨率，且很好地保护了图像的边缘结构，在无参考图像质量评价指标上较双三次插值、引导滤波和TGV取得更优值。
超分辨重构 激光雷达 三维距离像 ICCD super-resolution reconstruction lidar three-dimensional range profile ICCD 红外与激光工程
2020, 49(8): 20190511
北京环境特性研究所电磁散射重点实验室，北京 100854
为了提高宽带雷达高分辨距离像目标识别性能，提出一种改进的一维卷积神经网络模型。考虑实际目标样本不足和信噪比低的问题，引入全局平均池化对整个网络模型做正则化，防止过拟合。针对真假目标形状和尺寸相似的情况，分析了该模型对不同形状和尺寸目标的识别效果。实验结果表明，在训练样本数量较少和噪声干扰条件下，该模型可以有效地实现目标类型和尺寸识别。所提模型有助于解决实际真假目标形状和尺寸相似、样本不足以及信噪比低等情况下的雷达高分辨距离像自动目标识别问题。
高分辨距离像 目标识别 改进的一维卷积神经网络 深度学习 high-resolution range profile target recognition improved one-dimensional convolutional neural netw deep learning
海军航空信息融合研究所, 山东 烟台 264001
针对雷达目标一维距离像识别研究, 将子空间法中的核主成分分析方法(KPCA)与LVQ神经网络相结合应用到雷达目标一维距离像识别中,提出了KPCA-LVQ算法, 并取得了较好的识别效果。研究中发现, 在使用核主成分分析时, 存在核函数中未知参数难以确定的问题。针对此问题, 深入分析核函数矩阵和核函数参数之间的关系发现,主成分的贡献率与核函数的参数之间存在着一定的对应关系。据此, 确定了基于主成分贡献率的优化问题, 并采用粒子群算法(PSO)进行优化求解, 得到最优的核参数。实验分析结果表明, 该方法克服了核主成分分析方法中依靠经验来确定未知参数的缺点, 降低了计算量, 提高了目标识别率。
一维距离像 目标识别 粒子群算法 LVQ神经网络 one-dimensional range image target recognition KPCA KPCA particle swarm optimization LVQ neural network
1 航天工程大学 电子与光学工程系, 北京 101416
2 中国航天员科研训练中心, 北京 100094
为了实现对空间目标的远距离、高分辨率激光一维距离像探测及特性分析，在建立点目标激光一维距离像光外差探测模型的基础上，进一步通过三维建模的方式获取了三维目标的激光一维距离像.比较了圆锥体目标光外差探测获取的一维距离像与其距离分辨激光雷达散射截面、脉冲激光一维距离像之间的区别和联系，分析了目标尺寸、姿态、调频带宽以及表面材质对目标激光一维距离像的影响.实验结果验证了目标一维距离像能够反映目标外形特征，可为目标特性分析及识别提供参考.
相干探测 线性调频信号 激光一维距离像 三维建模 目标识别 Coherent detection Linear frequency modulation signal Laser one-dimensional range profile 3-D modeling Target recognition 光子学报
2019, 48(12): 1228001
1 哈尔滨工业大学 可调谐(气体)激光技术重点实验室, 黑龙江 哈尔滨 150001
2 复杂系统控制与智能协同技术重点实验室, 北京 100074
3 中国空空导弹研究院, 河南 洛阳 471009
对盖革模式APD激光雷达系统的距离像重构算法进行了研究, 设计了一种基于像素邻域核密度估计的重构算法。从系统原理出发, 结合探测概率模型研究了距离像重构算法的理论基础。根据系统特点提出了一种基于像素邻域核密度估计的改进算法, 并对其原理进行了分析。通过仿真数据对直方图算法和邻域核密度估计算法进行了验证, 以距离重构准确率曲线进行了定量评价对比, 并进一步将算法应用到真实盖革模式APD激光雷达数据中进行了距离像重构实验。实验结果表明, 在低帧数时, 基于像素邻域统计核密度估计的重构算法可有效提高距离像重构的效果。
距离像重构 激光雷达 像素邻域 核密度估计 range image reconstruction lidar GM-APD GM-APD pixel neighborhood kernel density estimation 红外与激光工程
2019, 48(6): 0630001
1 中国电子科技集团公司智能感知技术重点实验室，江苏南京 210039
2 南京电子技术研究所，江苏南京 210039
针对现有文献中未出现关于 RELAX算法超分辨性能的定量讨论或关于 RELAX应用的边界条件分析，导致 RELAX算法的实际应用十分困难这一问题，在详细分析 RELAX算法的超分辨原理的基础上，通过仿真给出了一些关于 RELAX实际应用的边界条件及结论，可用于指导 RELAX算法在实际散射中心估计中的应用： RELAX超分辨处理对估计散射点个数不敏感；当 FFT点数约为要达到真实分辨力所需 FFT点数的 2倍时， RELAX超分辨处理的重构精确度可满足要求；在保证一定的重构精确度的前提下， RELAX超分辨处理的分辨力最高可以达到实际分辨力的 2倍。本文仿真条件下，当 RSN=10 dB时，RELAX超分辨处理在一定误差容忍范围内基本可用。
高分辨距离像 自动目标识别 RELAX算法 超分辨 散射中心估计 high resolution range profile automatic target recognition RELAX super resolution scattering center estimation 太赫兹科学与电子信息学报
2019, 17(3): 495
1 西安航空学院 电子工程学院, 陕西 西安 710077
2 西北工业大学 电子信息学院, 陕西 西安 710129
在雷达目标识别中, 利用核主分量分析(KPCA)方法来进行目标特征提取, 忽略了高分辨率距离像(HRRP)的本身特性。提取一种平移不变特征-中心矩作为特征向量, 采用KPCA进行特征降维; 由于BP神经网络易陷入局部极小, 采用遗传算法(GA)对BP网络节点权值和阀值进行优化选择。基于雷达实测数据的实验结果表明: 平移不变的KPCA特征提取方法实现了平移不变和降维的结合, 同时, 利用GA优化BP神经网络提高了分类器稳定性改善易陷入局部最小的缺陷, 提高了雷达目标识别的性能。
高分辨率距离像 核主分量分析 中心矩 遗传算法 BP神经网络 high resolution range profile (HRRP) kernel principal component analysis central moment genetic algorithm (GA) BP neural network 红外与激光工程
2018, 47(8): 0826005
